Expanding Qualitative Research Interviewing Strategies: Zoom Video Communications
Notice bibliographique
Résumé
The proliferation of new video conferencing tools offers unique data generation opportunities for qualitative researchers. While in-person interviews were the mainstay of data generation in qualitative studies, video conferencing programs, such as Zoom Video Communications Inc. (Zoom), provide researchers with a cost-effective and convenient alternative to in-person interviews. The uses and advantages of face-to-face interviewing are well documented; however, utilizing video conferencing as a method of data generation has not been well examined. The purpose of this paper is to examine the specific attributes of Zoom that contribute to high quality and in-depth qualitative interviews when in person interviewing is not feasible. While video conferencing was developed to facilitate long-distance or international communication, enhance collaborations and reduce travel costs for business these same features can be extended to qualitative research interviews. Overall, participants reported that Zoom video conferencing was a positive experience. They identified strengths of this approach such as: (1) convenience and ease of use, (2) enhanced personal interface to discuss personal topics (e.g., parenting), (3) accessibility (i.e., phone, tablet, and computer), (4) time-saving with no travel requirements to participate in the research and therefore more time available for their family. Video conferencing software economically supports research aimed at large numbers of participants and diverse and geographically dispersed populations.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,084 | 0,076 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,005 | 0,007 |
| Communication savante | 0,005 | 0,008 |
| Science ouverte | 0,003 | 0,011 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».